移动优化联邦学习框架

高速移动下高精度攻击检测

该联邦学习框架针对非地面网络高速移动场景设计，通过模型参数共享与更新实现分布式节点的协同优化，在保护数据隐私的同时提升攻击检测能力。

Wang, Tingting · Kai, Fang · Tian, Jinyu · 冯海林 · Al Dabel M. · Bashir, Ali Kashif · Wei, Wang

IEEE Wireless Communications 2025

技术优势

移动场景也能精准检测

MOB-FL针对高速移动场景优化，在仿真中展现出优秀的攻击检测能力。

数据隐私有保障

联邦学习通过共享模型参数而非原始数据，实现协同优化且不泄露隐私。

实时响应网络威胁

基于异常检测和行为分析，能够实时识别并响应网络攻击。

应用场景

• 空天地一体化网络：适配空天地一体化网络的高速移动环境，提供实时安全防护。
• 无人机通信安全：为无人机通信提供兼顾隐私与准确性的攻击检测方案。
• 分布式安全监测：支持分布式节点协同检测，降低单点监测盲区。
• 边缘智能安全：在边缘侧运行联邦学习，实现轻量级本地安全防护。